Extropic recherche des jeunes scientifiques en apprentissage automatique (ML) pour rejoindre notre programme de résidence, à temps partiel ou à temps plein. Notre matériel accélère considérablement certains types d’inférence probabiliste, et les résidents contribueront à faire progresser la science de l’entraînement de modèles dans le cadre thermodynamique.

### Responsabilités
– Travailler avec des chercheurs seniors pour développer la théorie derrière de nouveaux modèles probabilistes et leurs méthodes d’apprentissage, notamment les modèles à base d’énergie et les modèles de diffusion
– Étendre et optimiser notre infrastructure d’expérimentation à travers l’espace de conception des modèles
– Construire, visualiser et évaluer de nouvelles architectures, méthodes d’entraînement et références (benchmarks)
– Publier des recherches, contribuer à l’open source et partager des idées de conception avec notre équipe matériel

### Qualifications requises
– Expérience avec Python scientifique
– Expérience avec JAX ou un cadre d’apprentissage profond comparable (PyTorch, TensorFlow ou Keras)
– Bonne compréhension des probabilités et de l’algèbre linéaire
– Projets ou publications démontrant une expérience pratique en apprentissage automatique appliqué et en science des données
– Familiarité avec la théorie et la littérature en apprentissage profond, y compris la théorie de la sur-paramétrisation et les lois d’échelle

### Qualifications préférées
– Expérience dans l’entraînement de modèles à base d’énergie (EBM) ou de modèles de diffusion
– Expérience avec les réseaux de neurones sur graphes (GNN) ou les algorithmes de propagation de messages sur graphes
– Expérience dans la mise en place d’une infrastructure pour l’expérimentation et l’entraînement en apprentissage profond (Slurm, Ray, Kubernetes, Weights & Biases, etc.)
– Solide bagage théorique en géométrie informationnelle
– Connaissances solides en méthodes bayésiennes computationnelles, y compris l’échantillonnage MCMC et l’inférence variationnelle
– Publications dans des conférences majeures en ML (NeurIPS, ICML, ICLR, CVPR, etc.)

La rémunération et la part de capital (equity) varieront en fonction de l’expérience. Extropic est un employeur garantissant l’égalité des chances.